GenAI Job Agents 是一個基於 Python 的開源框架，可簡化 AI 助力的任務代理的建立與管理。開發者可以使用簡單的配置文件或 Python 類來定義自訂的任務類型與代理行為。系統無縫整合 OpenAI 用於 LLM 支持的推理，以及 LangChain 用於調用鏈。任務可以排入佇列、並行執行，並通過內建日誌與錯誤處理機制進行監控。代理能處理動態輸入，自動重試失敗，輸出結構化結果供後端處理。模組化架構、可擴充插件與清晰 API，讓團隊能自動化重複任務、協調複雜工作流程，並在生產環境擴展 AI 驅動運營。

HMAS是一個開源的Python框架，允許開發階層式多智能體系統。它提供抽象功能，用於定義智能體層級、智能體間通信協議、環境整合和內建訓練循環。研究人員和開發者可以使用HMAS對複雜的智能體互動進行原型設計、訓練協作策略，以及在模擬環境中評估性能。其模組化設計使擴展和定制智能體、環境及訓練策略變得簡單。

HFO_DQN結合了Python和TensorFlow，提供用於訓練使用Deep Q-Network足球代理人的完整流程。用戶可以克隆存儲庫、安裝依賴項（包括HFO模擬器和Python庫），並在YAML文件中配置訓練參數。該框架實現了經驗重放、目標網路更新、ε-貪婪探索和針對半場進攻領域的獎勵塑造。它包含訓練代理人、性能記錄、評估比賽和結果繪圖的腳本。模塊化結構允許集成自定義神經網絡架構、替代強化學習算法和多智能體協調策略。輸出包括訓練模型、性能指標和行為視覺化，促進強化學習和多智能體系統研究。

InfantAgent 提供輕量級的結構，用於設計與部署Python中的智慧代理。它整合熱門的大型語言模型（OpenAI、Hugging Face）、支援持久性記憶模組，並啟用自定義工具鏈。開箱即用的功能包括會話界面、任務協調與策略驅動的決策。其插件架構允許輕鬆擴展特定領域的工具與API，非常適合用於原型研究代理、工作流程自動化或將AI助理整合到應用程式中。

LangChain是一個開源Python框架，旨在加速AI驅動應用的開發。它提供多個語言模型調用（鏈）、與外部工具互動的代理人建立、以及對話記憶的管理抽象。開發者可以定義提示、輸出解析器和端到端的工作流程。整合包括向量庫、資料庫、API和託管平台，可支援商用聊天機器人、文件分析、程式碼助手與客製化AI管線。

LLM狀態機是一個開源的Python框架，專為使用明確狀態機構建AI代理而設計。開發者將狀態定義為離散步驟——每個調用一個大型語言模型或自訂邏輯——並根據輸出進行轉換。這種方法提供清晰性、可維護性和強健的錯誤處理，適用於多步、由LLM驅動的工作流程，例如文件處理、對話機器人或自動化流程。

MARO（多代理資源優化）是一個基於Python的框架，旨在支援供應鏈、物流和資源管理場景中多代理強化學習代理的開發與評估。其包含存貨管理、卡車排程、交叉碼頭作業、集裝箱租賃等模板。MARO提供統一的代理API、內建追蹤器用於實驗記錄、平行模擬以進行大規模訓練，以及性能分析的視覺化工具。平台模組化、可擴展，可與流行RL庫整合，實現可重複的研究與快速的AI驅動優化方案原型。

Multi-Agent AI Assistant是一個模組化的Python框架，能協調多個GPT驅動的代理，每個代理被分配到不同的角色，如規劃、研究、分析和執行。系統支援代理之間的訊息傳遞、記憶儲存，以及與外部工具和API整合，實現複雜的任務拆解與合作解決問題。開發者可以自訂代理行為、添加新工具包，並透過簡單的配置檔案設定工作流程。利用專業代理之間的分散推理，該框架加速自動研究、資料分析、決策支援和任務自動化。資料庫包含範例實作和模板，支持快速原型設計智慧助手和數位工作者，能處理企業、教育及研究環境中的端對端工作流程。

Nuzon-AI提供一個基於Python的代理框架，允許定義任務、管理對話記憶和通過插件擴展功能。它支持與主要LLMs（OpenAI、本地模型）集成，使代理能執行網絡互動、數據分析和自動化流程。架構包括技能註冊表、工具調用系統及多代理協作層，讓您組合代理用於客戶支持、研究輔助和個人生產力。透過配置文件，您可以定制每個代理的行為、記憶保留策略和日誌記錄，用於除錯或審計。

Simple-Agent 是一個用 Python 編寫的開源 AI 代理框架，利用 OpenAI API 創建模組化的對話代理。它允許開發者定義代理可以調用的工具功能，維持多次互動的上下文記憶，並通過技能模組自訂代理行為。框架負責請求路由、動作規劃和工具執行，讓你專注於領域特定邏輯。內建記錄與錯誤處理，Simple-Agent 可加快AI聊天機器人、自動化助理與決策支援工具的開發。它支援簡單整合自定義API與資料來源，支持非同步工具呼叫，並提供簡易配置界面。用它來原型設計客服支持、資料分析、自動化等用途。模組化架構使擴充功能變得容易，不需更改核心邏輯。在社群貢獻與文檔支援下，Simple-Agent 非常適合初學者及經驗豐富的開發者快速部署智慧代理。

CopilotKit是一個開源的Python框架，設計給開發者建立客製化的AI代理。其模組化架構允許註冊和配置工具——如檔案系統存取、網路搜尋、Python REPL和SQL連接器——並將它們與支援的LLM結合。內建的記憶模組可用於持久化對話狀態，LangGraph則用來定義複雜任務的結構化推理流程。代理可在腳本、網頁服務或CLI應用部署，並支持雲端擴展。CopilotKit無縫與OpenAI、Azure OpenAI及Anthropic模型協作，強化自動化流程、聊天機器人及資料分析機器人。

MACL 是一個模組化的 Python 框架，旨在簡化多個 AI 智能體的創建與協調。它允許你定義具有自訂技能的獨立智能體，設置通信通道，並在智能體網絡中排程任務。智能體可以交換訊息、協商責任，並根據共享資料動態調整。內建支援常用 LLMs，以及擴展性的插件系統，使 MACL 能在客戶服務自動化、數據分析流程和模擬環境等領域中實現可擴展且易於維護的 AI 工作流程。

Thufir 是一個基於 Python 的開源框架，旨在簡化創建具有複雜任務規劃與執行能力的自主 AI 代理。Thufir 核心提供一個規劃引擎，將高層次目標拆解為可行的步驟，並配備一個用於存儲與檢索會話上下文資訊的記憶模組，以及一個插拔式工具介面，讓代理可以與外部 API、資料庫或程式碼執行環境互動。開發者可利用 Thufir 的模組化組件，客製化代理行為、定義專屬工具、管理代理狀態並協調多代理工作流程。藉由抽象底層基礎設施，Thufir 加速智慧代理的開發與部署，用於虛擬助理、流程自動化、科研和數位工作者等應用。

agent-steps是一個Python步驟協調框架，旨在通過將複雜任務拆解為離散且可重用的步驟，以簡化AI代理的開發。每個步驟封裝一個特定操作，如調用語言模型、執行資料轉換或外部API調用，並可以將上下文傳遞到後續步驟。該庫支持同步和異步執行，實現可擴展的管道。內建的日誌與除錯工具提供執行透明度，其模組化架構促進維護性。用戶可以定義自訂的步驟類型，將它們鏈接成工作流程，並輕鬆整合到現有Python應用中。agent-steps適用於建立聊天機器人、自動化資料管道、決策支援系統及其他多步驟AI解決方案。

ANAC-agents是一個基於Python的框架，集中多個談判代理的實現，用於Automated Negotiating Agents Competition（ANAC）。每個代理都具有不同的策略，用於效用建模、提議產生、讓步策略與接受標準，有助於比較研究與快速原型設計。用戶可以定義具有自訂議題與偏好檔的談判域，並模擬雙邊談判或類似錦標賽的競賽。工具包包括配置腳本、評估指標與日誌工具，用於分析談判動態。研究人員與開發者可以擴展現有代理、測試新算法或整合外部學習模組，促進自動化議價與在資訊不完整條件下的策略決策創新。

Chainlit 是一個開源的異步 Python 框架，旨在幫助開發者快速構建和部署可擴展的對話式 AI 和智能應用。它支持與流行的 Python 庫和框架的集成，以提供無縫的開發體驗。使用 Chainlit，使用者可以創建可處理複雜互動並保留對話上下文的生產級聊天應用。

CodeFuse-muAgent是一個基於Python的開源框架，用於協調多個自主AI代理，共同解決複雜任務。開發者定義擁有專門技能（如資料處理、自然語言理解或外部API互動）的個別代理，並配置通信協議以進行動態任務委派。該框架提供集中式記憶管理、日誌記錄與監控功能，保持模組獨立，並支援與流行的LLMs和自訂AI模型的整合。利用CodeFuse-muAgent，團隊可以建立模組化AI工作流程、自動化多步驟流程，以及在不同環境中擴展部署。彈性的設定檔與可擴充的API，支持快速原型設計、測試及微調，適用於客戶支援、內容產生管線、研究助理等多種應用場景。

CUPCAKE AGI（Component Utilitarian Pipeline for Creative, Knowledgeable, and Evolvable Autonomous General Intelligence）是一個彈性的Python框架，通過結合語言模型、記憶體和外部工具，簡化建立自主代理的流程。其核心模組包含目標規劃器、模型執行器與記憶管理器，以保持多次互動中的上下文。開發者能透過插件擴充功能，整合API、資料庫或自訂工具包。CUPCAKE AGI支援同步與非同步工作流程，非常適合科研、原型設計和生產環境部署，應用範圍多元。

Fast Reinforcement Learning是一個專門的Python框架，旨在加速強化學習代理的開發與執行。它支援流行的算法如PPO、A2C、DDPG和SAC，並配合高吞吐量的向量環境管理。用戶可以輕鬆配置策略網絡、自定義訓練流程，並利用GPU加速進行大規模試驗。其模組化設計確保與OpenAI Gym環境的無縫整合，使研究人員和實務工作者能在控制、遊戲和模擬任務中原型設計、基準測試與部署代理。